Meta 披露广告分发系统 Intelligent Delivery 的技术细节，该系统通过机器学习在服务链路中动态分配算力，已带来约 10% 的增量排序性能提升。系统利用 6B 稀疏参数的 Resource Core Model 预估请求边际收益，结合分层引擎调度跨地域与异构芯片资源；同时引入 AI 智能体自动探索系统配置，将优化周期从数月缩短至数周。
推荐理由：Meta 披露了超大规模广告系统的算力分配架构，展示了如何用机器学习与智能体自优化提升异构集群效率。
Jon Loomer 全面盘点了 Meta 广告系统中的 47 项素材自动增强功能，详细拆解每项功能的作用、控制开关及实操建议。内容涵盖附加信息扩展、落地页定向、Advantage+ AI 生成、展示格式调整以及处于测试阶段的增强特性。作者建议对品牌规范严格的客户应主动关闭高风险项，而在一般场景下可通过预先设定品牌视觉规范来善用算法多样性。
推荐理由：文章系统盘点了 Meta 广告的 47 项素材自动增强功能，为优化师在品牌把控与算法自动优化之间提供了清晰的实操取舍依据。
Meta 介绍了广告排序模型特征服务基础设施 F3 Lightning，通过将特征发布与共享执行解耦，使特征上线生产环境的速度提升约 3.6 倍且未增加计算成本。系统在保持单特征独立配置、校验与回滚的同时，通过稳定计算标识符、单一执行计划、跨特征共享内存缓冲区和密集索引映射四项优化消除了重复开销。该架构缩短了发布周期，支持在相同周期内完成更高频的模型迭代。
推荐理由：原文详细拆解了将特征发布与执行解耦且不增加算力成本的四项优化，为大规模广告与推荐系统的工程演进提供了直接参考。
Jon Loomer 发现 Meta 在表单广告后台新增提示，称使用相似受众建议可使每个优质线索的获取成本降低 11%。此前 Meta 多年一直在淡化受众建议的作用，且该提示目前仅出现在表单营销目标下。作者建议遇到线索质量问题的广告主可将已转化人群生成相似受众作为建议进行测试，但切勿按建议受众拆分多个广告组以防竞价重叠。
推荐理由：原文结合 Meta 表单广告后台新增提示，为面临线索质量问题的广告主提供了避免竞价重叠的受众测试方法。
Meta 官方公布广告版位控制调整细节，确认将在销售（Sales）、潜客（Leads）、应用推广（App Promotion）和互动（Engagement）四类营销目标中取消广告组层级的版位移除权限，仅知名度和流量目标保留该功能。
推荐理由：原文拆解了Meta取消广告组版位控制的四类目标，并给出利用出价价值规则规避低质流量的应对方案。
Meta 在品牌建设峰会上推出 Ads Super Burst、首位展示广告和聚合播放时长三项广告新功能。Ads Super Burst 支持广告主在 Reach Planner 中预订 3 至 24 小时的同品类独占曝光窗口；首位展示广告正在美国测试每日单一品牌的信息流首位广告预留；聚合播放时长按单周汇总用户观看全部视频的平均总时长，目前仅开放报表度量。
推荐理由：梳理了高预算独占展位与聚合视频时长指标的机制，读者可以据此评估品牌曝光资源与视频度量方式的变化。
Singular 基于跨平台投放数据分析指出，单纯增加素材数量并不能保证广告效果提升，前 10% 的核心素材往往占据了 75% 至 95% 的总消耗。报告提出了创意密度指标（每千美元周预算运行的素材数），在 13 至 54 梯队区间千次展示安装数达到峰值，超过 54 后边际效益反而下滑。
推荐理由：报告通过跨渠道实测数据打破盲目堆素材数量的惯性，并提出创意密度与疲劳分维度的量化监测思路。
Meta 正在逐步推出允许广告主为每个广告素材单独选择受众的新功能，支持按具体图片或视频指定适合的年龄与性别。Meta 将该设定视为受众定向建议而非严格限制，若算法判定扩展人群能带来更好效果仍会向范围外展示。该功能适用于多媒体及单媒体创建流程，核心价值在于帮助广告主将原本按人群拆分的多个广告组整合至单个广告组内运行。
推荐理由：该功能允许在单个广告组内为不同素材分别设定年龄与性别建议，有助于减少以往按人群拆分广告组的操作。